《表3 用House 3中数据提取CNN特征用于House 5识别 (%)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络的非侵入式负荷识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证卷积神经网络在V-I轨迹特征提取实验上具有鲁棒性，将House 3中18类电器特性的V-I轨迹进行CNN特征提取作为训练样本，House 5中8种电器特性的V-I轨迹进行CNN特征提取作为测试样本进行实验，实验结果如表3所示。从实验结果可以看出卷积神经网络具有较好的鲁棒性，在避免过拟合问题上表现很好。